Un nuovo dataset globale rilasciato da HeiGIT (Heidelberg Institute for Geoinformation Technology) rende possibile distinguere tra strade asfaltate e non asfaltate in tutto il mondo con un livello di coerenza senza precedenti.
Derivato da immagini satellitari ad alta risoluzione, il dataset permette una pianificazione dei percorsi più affidabile, la mappatura dell’accessibilità e il monitoraggio dei cambiamenti infrastrutturali nel tempo, in particolare nelle regioni dove le informazioni raccolte sul campo sono scarse. Basato su un precedente dataset HeiGIT realizzato tramite Mapillary e OpenStreetMap, la nuova pubblicazione offre una visione sistematica dei cambiamenti infrastrutturali indipendente dalla disponibilità di dati locali.
Sebbene esistano molte mappe stradali globali, poche includono informazioni dettagliate sulla superficie stradale o riescono a tenere il passo con il rapido cambiamento infrastrutturale. Il nuovo dataset HeiGIT colma questa lacuna combinando immagini PlanetScope con risoluzione di 3–4 metri (2020–2024) con modelli di deep learning per analizzare 9,2 milioni di chilometri di principali vie di trasporto che collegano città e aree rurali. Il risultato è una classificazione globale ad alta accuratezza (89,2%), superiore di oltre 20 punti percentuali rispetto ai dataset open più utilizzati.
Un elemento centrale del dataset è lo Humanitarian Passability Score — un indice che combina tipo di superficie e larghezza per stimare l’accessibilità in condizioni variabili. Questa metrica supporta una migliore pianificazione logistica, la gestione delle infrastrutture e la pianificazione delle emergenze.
“Con questo dataset, gli attori umanitari possono identificare quali rotte è più probabile che rimangano accessibili durante eventi meteorologici estremi o interruzioni stagionali”, afferma il Prof. Alexander Zipf, Direttore Scientifico di HeiGIT. “Fornisce un tassello mancante per la navigazione in regioni con informazioni stradali poco affidabili.”
Esempi qualitativi del processo di segmentazione della superficie stradale e derivazione della larghezza. La figura illustra il flusso di lavoro e le sfide nell’estrazione degli attributi stradali da immagini PlanetScope a 3–4 m di risoluzione.
Oltre alla pianificazione dei percorsi, il dataset collega anche i miglioramenti nella qualità stradale allo sviluppo umano. L’analisi di HeiGIT rivela disparità evidenti: le strade di Europa e Nord America sono asfaltate per oltre il 96%, mentre l’Africa subsahariana raggiunge in media solo il 63%, con un deficit infrastrutturale concentrato principalmente nelle aree rurali. Le regioni con una percentuale più alta di strade asfaltate e con un ritmo più rapido di nuove asfaltature dal 2020 tendono a ottenere livelli più elevati di Indice di Sviluppo Umano (HDI), evidenziando le infrastrutture come una misura dinamica del progresso socioeconomico. Questi dati possono supportare governi, organizzazioni di sviluppo e ricercatori nella valutazione di investimenti strategici sulle infrastrutture stradali per rafforzare la connettività e la resilienza.
“A differenza di indicatori tradizionali come le luci notturne, le reti stradali rivelano lo sviluppo a livello locale, mostrando come il cambiamento si manifesti concretamente sul territorio”, afferma la responsabile della ricerca Dr. Sukanya Randhawa. “Collegando immagini satellitari ai modelli di sviluppo economico, trasformiamo il cambiamento infrastrutturale in un segnale misurabile di progresso e vulnerabilità.”
La progettazione multi-temporale del dataset cattura cambiamenti nelle condizioni stradali man mano che si costruiscono nuove infrastrutture o quelle esistenti si deteriorano. Ciò consente applicazioni dal monitoraggio globale al supporto decisionale locale. Su scala planetaria fornisce un quadro per tracciare lo sviluppo; a livello nazionale supporta valutazioni della resilienza della rete e della vulnerabilità economica. Casi studio in Ghana e Pakistan evidenziano applicazioni nell’analisi dell’equità urbana, nella pianificazione della resilienza climatica e nel coordinamento della risposta umanitaria.
Trasformando la rete stradale da inventario statico a indicatore dinamico del cambiamento, il dataset fornisce una base globalmente coerente per una pianificazione informata della percorribilità e dell’accessibilità, contribuendo al monitoraggio dei progressi verso gli Obiettivi di Sviluppo Sostenibile (SDGs) delle Nazioni Unite.
Il dataset è disponibile liberamente tramite Humanitarian Data Exchange, la piattaforma open data gestita dall’Ufficio delle Nazioni Unite per il Coordinamento degli Affari Umanitari (OCHA), e sarà aggiornato annualmente. La metodologia e la ricerca sottostante sono disponibili come preprint.
La ricerca e la pubblicazione del dataset sono state supportate dalla Klaus Tschira Stiftung, il cui finanziamento permette a HeiGIT di far progredire la tecnologia geospaziale open per l’azione climatica e l’aiuto umanitario.
Riferimenti:
Sukanya Randhawa, Eren Aygün, Guntaj Randhawa, Benjamin Herfort, Sven Lautenbach, Alexander Zipf,
Paved or unpaved? A deep learning derived road surface global dataset from mapillary street-view imagery,
ISPRS Journal of Photogrammetry and Remote Sensing,
https://doi.org/10.1016/j.isprsjprs.2025.02.020.
(https://www.sciencedirect.com/science/article/pii/S0924271625000784)
Contatto per il dataset:
Dr. Sukanya Randhawa (Responsabile del progetto)
Email: sukanya.randhawa[at]heigit.org
